python - 类(class)要求我为朴素贝叶斯模型 python 提供 self

Question

我尝试使用以下代码，但是当我尝试将 fit 函数与我的 X_train 和 y_train 一起使用时 我收到以下错误

fit() 缺少 1 个必需的位置参数:'self'

我对类不太了解，但我知道它不应该问我自己。我发现了一些关于实例化的东西，但无法弄清楚。

class BernoulliNB(object):
    def __init__(self, alpha=1.0):
        self.alpha = alpha

    def fit(self, X, y):
        count_sample = X.shape[0]
        # group by class
        separated = [[x for x, t in zip(X, y) if t == c] for c in np.unique(y)]
        # class prior
        self.class_log_prior_ = [np.log(len(i) / count_sample) for i in separated]
        # count of each word
        count = np.array([np.array(i).sum(axis=0) for i in separated]) + self.alpha

        smoothing = 2 * self.alpha
        # number of documents in each class + smoothing
        n_doc = np.array([len(i) + smoothing for i in separated])
        print(n_doc)

    def predict(self, X):
        return np.argmax(self.predict_log_proba(X), axis=1)

当我尝试

b = BernoulliNB() 
b.fit(b, X_train,y_train) 

这次我收到

fit() takes 3 positional arguments but 4 were given

然后我把它改为

BernoulliNB().fit(X_train,y_train)

但是这次出现这个错误

The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

Answer 1

您正在调用 BernoulliNB.fit(...) 而不是

b = BernoulliNB()
b.fit(...)

<小时/>

在上面的代码示例中，b 是 BernoulliNB 的实例，因此将其自身作为 self 传递.

您还可以使用

b = BernoulliNB()
BernoulliNB.fit(b,...)

或者(按照盖伊的建议)

BernoulliNB().fit(...)